La compleja problemática del abandono estudiantil representa una oportunidad para la aplicación de la tecnología y métodos de la minería de datos en educación superior. El objetivo de esta investigación es obtener el perfil de los estudiantes en riesgo de abandono y así generar planes de gestión estudiantil que impacten sobre las variables que explican esta situación. Para esto se propone utilizar una estructura metodológica CRISP-DM, aplicando herramientas estadísticas y del aprendizaje automático no supervisado. El análisis, de tipo transversal, se realizó sobre un universo de estudiantes de primer año en jornada diurna, en una universidad privada chilena. Las variables sociodemográficas y de comportamiento utilizadas, se basaron en la teoría sobre deserción y juicio de expertos, y los datos se obtuvieron de los registros históricos disponibles en la Institución. Para obtener las variables que más influían en el abandono se realizaron análisis de correlación y de componentes principales. La aplicación del clustering jerárquico aglomerativo y la técnica de conjuntos aproximados produjeron cuatro perfiles de estudiantes con sus reglas de asociación respectivas y cinco variables académicas que permitieron diseñar un sistema de apoyo para disminuir el abandono y fomentar la retención.